1.本发明涉及复合材料加工工艺技术领域，更具体的说是涉及一种生物纤维材料注塑成型工艺的优化方法。
背景技术：2.注塑成型是生物纤维塑料制造的热门方法。生物纤维材料在传统注塑工艺下注塑成型时，由于内部纤维的存在，烙体在模具型腔内产生复杂的流动模式，从而影响纤维增强复合材料注塑成型制品的性能，使塑件的力学性能呈现明显的各向异性。综合国内外研究现状来看，在运用注塑成型工艺制备生物纤维塑料时，尚存在生物纤维的耐热性较差、不易在非极性/低极性树脂中分散、不同方向的纤维产生不同方向的取向效应、加入纤维材料导致体系流动性降低等问题。
3.在生产中，工艺条件设置不当、原料不符合成型要求、模具和设备缺陷及塑件结构设计不合理等原因会产生的翘曲、缩痕、飞边及熔接痕等缺陷，因此探索缺陷产生的内在机理和预测制品可能产生缺陷的位置和种类，制定合理的成型工艺，用来指导产品和模具设计与改进就显得非常重要。
4.针对产业应用中的问题，各国研究者开展相应的研究工作，并取得了一定的进展，但在生物塑料基底和生物纤维等原材料的研发方面一直鲜有突破。生物纤维塑料注塑过程中的高保真流-刚-弹耦合模型、转移机理和相关的优化、预测方法也尚无人系统地分析。
技术实现要素：5.有鉴于此，本发明提供了一种生物纤维材料注塑成型工艺的优化方法，解决了生物纤维材料注塑过程数值模拟中聚合物在熔融状态下的相变问题、注塑过程中纤维的取向问题、建立模型的研究尺度问题以及求解效率问题，并设计搭建生物纤维材料注塑成型工艺验证平台，用以加工生物纤维材料注塑成型工艺样件，反馈优化效果，形成系统闭环。
6.为了实现上述目的，本发明采用如下技术方案：
7.一种生物纤维材料注塑成型工艺的优化方法，包括以下步骤：
8.获取生物纤维材料注塑成型工艺中的各项可控参数；
9.利用相变模型对生物纤维材料注塑成型工艺中的各项可控参数进行数值模拟；
10.根据数值模拟结果建立数学模型，利用一种利用校正迭代的预测解优化算法，并将其成功应用于实际流体模拟中，其实现思路与模型架构如图2所示；
11.利用数学模型构建针对生物纤维材料注塑成型工艺的仿真平台；
12.利用仿真平台的仿真结果作为样本数据，利用样本数据训练和拟合形成决策模型；
13.利用决策模型得到优化后的生物纤维材料注塑成型工艺。
14.可选的，还包括利用机器学习对决策模型进行完善。
15.可选的，所述数学模型包括：
16.针对生物纤维材料注塑成型工艺中的非牛顿流体流动构建带相变问题的高精度数学模型；
17.建立带有相变的含纤聚合物基复合材料充模的气-固-液三相模型；
18.建立带有相变的含纤黏弹性流体充模过程的微观-介观-宏观多尺度数学模型。
19.可选的，所述带有相变的含纤聚合物基复合材料充模的气-固-液三相模型，纤维对聚合物熔体的作用用动量交换源项描述，熔体对纤维的作用用牛顿第二定律描述，用基于同位网格的有限体积法求解流体控制方程，采用level set方法捕捉充模过程的界面运动。建立带有相变的含纤聚合物基复合材料充模的气-固-液三相模型，主要用于解决注塑过程中纤维的取向问题。对于所述气-固-液三相模型，该模型中，纤维是固态，聚合物熔融体是液态，另外模型中还包括少量气体组分，这三者两两之间互相左右，其中，由于模型中纤维和聚合物熔融体的成分最多，所以这二者之间的相互左右是模型运动的主体：纤维对聚合物熔体的作用用动量交换源项描述，熔体对纤维的作用用牛顿第二定律描述。模型中的流体包括气、固、液三相，用基于同位网格的有限体积法求解流体控制方程。界面运动包括固-液界面，气-液界面，固-气界面，这些界面是不断变化的，采用level set方法捕捉充模过程的界面运动。
20.可选的，所述带有相变的含纤黏弹性流体充模过程的微观-介观-宏观多尺度数学模型，宏观的物理特性用宏观的navier-stokes方程来描述，介观尺度的纤维运动用牛顿运动定理来描述；微观分子链的信息用brown构型场方法来获得，型腔内熔体和气体的控制方程包括质量守恒方程、动量守恒方程、能量守恒方程，利用heaviside函数统一为一组方程，用基于同位网格的有限体积方法来求解控制方程，用level set方法捕捉充模过程中熔体界面的演化，用修正的焓模型描述充模过程中的相变。建立带有相变的含纤黏弹性流体充模过程的微观-介观-宏观多尺度数学模型，主要解决建立模型的研究尺度问题，包括宏观、介观和微观三个尺度，该模型的控制方程包括质量守恒方程、动量守恒方程、能量守恒方程，同样也存在前述提及的界面运动。
21.可选的，利用机器学习对决策模型进行完善的具体步骤为：将所述仿真平台输出的生物纤维材料注塑成型工艺中的各项可控参数以及显示数据的偏差信息通过机器学习进行迭代。
22.可选的，生物纤维材料注塑成型工艺中的各项可控参数包括：纤维种类和含量、充填时间、保压压力、模具温度、熔体温度。
23.可选的，通过基于mps算法开发的仿真程序计算得到的训练样本，采用以随机森林算法作为数据驱动中的机器学习算法。之前步骤如果与实际情况存在偏差，就需要对偏差进行校准，采用不同输入条件执行之前的数值仿真，会得到不同的样本，对于每个独立的样本，通过基于mps算法开发的仿真程序计算得到的训练样本，样本经过训练，会缩小计算结果和实际情况的偏差。通过某种深度学习算法，用大量不同的样本不断重复训练，可进一步缩小计算结果和实际情况的偏差，上述算法就是以随机森林算法作为数据驱动中的机器学习算法。
24.经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种生物纤维材料注塑成型工艺的优化方法，通过优化算法对生物纤维材料注塑成型过程模型进行改良，有效解决了生物纤维材料注塑成型过程数值模拟中聚合物在熔融状态下的相变问题、注塑
成型过程中纤维的取向问题、建立模型的研究尺度问题，提高了仿真建模的精度，针对生物纤维材料注塑成型过程，纤维分布的参考量计算精度达到90％以上。
附图说明
25.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
26.图1为本发明的生物纤维材料注塑成型工艺的优化方法流程图；
27.图2为本发明的校正迭代的预测解优化算法图；
28.图3为本发明的人工神经网络预测模型。
具体实施方式
29.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
30.本发明实施例公开了一种生物纤维材料注塑成型工艺的优化方法，如图1所示，包括以下步骤：
31.获取生物纤维材料注塑成型工艺中的各项可控参数；
32.利用相变模型对生物纤维材料注塑成型工艺中的各项可控参数进行数值模拟；
33.根据数值模拟结果建立数学模型；
34.利用数学模型构建针对生物纤维材料注塑成型过程的改进型adventure仿真平台，并利用所述平台产生仿真计算结果作为数据源，在数据的基础上经过训练和拟合形成自动化的决策模型；改进型adventure仿真平台针对工艺流程中的新工况，即新数据输入的时候，系统可以用建立的模型以人工智能的方式直接进行决策。此过程需要数据的不断输入，且依靠模型根据比对决策结果和现实数据把偏差信息反馈给机器学习，在其后不断的机器学习迭代过程中自我完善；
35.利用仿真平台的仿真结果作为样本数据，利用样本数据训练和拟合形成决策模型；
36.利用决策模型得到优化后的生物纤维材料注塑成型工艺。
37.分析生物纤维材料注塑成型过程中复杂流动问题、多场耦合的机理，使用三种相变模型：stefan模型、相场模型、焓模型对不同的生物纤维材料的注塑成型过程进行数值模拟，针对非牛顿流体流动问题提出带相变问题的高精度数学模型，具体如下：
38.针对生物纤维材料注塑成型工艺中的非牛顿流体流动构建带相变问题的高精度数学模型；
39.建立带有相变的含纤聚合物基复合材料充模的气-固-液三相模型；
40.建立带有相变的含纤黏弹性流体充模过程的微观-介观-宏观多尺度数学模型。
41.带有相变的含纤聚合物基复合材料充模的气-固-液三相模型，纤维对聚合物熔体
的作用用动量交换源项描述，熔体对纤维的作用用牛顿第二定律描述，用基于同位网格的有限体积法求解流体控制方程，采用level set方法捕捉充模过程的界面运动。
42.在本实施例中，选用了格子玻尔兹曼方法作为数值算法的基础框架.利用深度学习在预测与回归方面的强大能力，基于格子玻尔兹曼方法设计的卷积层与卷积长短期记忆层组成的人工神经网络预测模型，如图3所示。
43.带有相变的含纤黏弹性流体充模过程的微观-介观-宏观多尺度数学模型，宏观的物理特性用宏观的navier-stokes方程来描述，介观尺度的纤维运动用牛顿运动定理来描述；微观分子链的信息用brown构型场方法来获得，型腔内熔体和气体的控制方程包括质量守恒方程、动量守恒方程、能量守恒方程，利用heaviside函数统一为一组方程，用基于同位网格的有限体积方法来求解控制方程，用level set方法捕捉充模过程中熔体界面的演化，用修正的焓模型描述充模过程中的相变。
44.系统自我学习、自我完善的具体机理为：所述改进型adventure平台针对工艺流程中的新工况，即新数据输入的时候，系统可以用建立的模型以人工智能的方式直接进行决策，此过程需要数据的不断输入，且依靠模型根据比对决策结果和现实数据把偏差信息反馈给机器学习，在其后不断的机器学习迭代过程中自我完善。
45.生物纤维材料注塑成型工艺中的各项可控参数包括：纤维种类和含量、充填时间、保压压力、模具温度、熔体温度。
46.通过基于mps算法开发的仿真程序计算得到的训练样本，采用以随机森林算法作为数据驱动中的机器学习算法，通过流式的数据不断注入，以机器学习为基础的决策模型将实现工艺中以毫秒为单位响应时间的高效、精准、实时判断将为传统注塑成型工艺提供全新的优化方案。
47.在本实施例中，生物纤维材料通过自动化注塑机注入可视化模具，再经过冷却脱模，完成生物纤维材料成型工艺全过程，得到生物纤维材料注塑成型工艺样品，应用扫描电镜、熔融指数测试仪、力学性能测试设备、热分析仪等测试设备，分析不同纤维种类及含量对制件成型质量、界面相容性、力学性能、流变性能、耐热性能的影响，综合评价优化效果，实现系统闭环。
48.根据注塑成型过程中材料的流变性能和纤维运动，验证优化工艺能否有效提升纤维分布的一致性；根据注塑成型过程中材料的温度历程和流动状态，验证优化工艺中温度参数设定的合理性；应用扫描电镜、熔融指数测试仪、力学性能测试设备、热分析仪等测试设备，分析不同纤维种类及含量对制件成型质量、界面相容性、力学性能、流变性能、耐热性能的影响，综合评价优化效果。
49.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
50.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一
致的最宽的范围。
技术特征：1.一种生物纤维材料注塑成型工艺的优化方法，其特征在于，包括以下步骤：获取生物纤维材料注塑成型工艺中的各项可控参数；利用相变模型对生物纤维材料注塑成型工艺中的各项可控参数进行数值模拟；根据数值模拟结果建立数学模型；利用数学模型构建针对生物纤维材料注塑成型工艺的仿真平台；利用仿真平台的仿真结果作为样本数据，利用样本数据训练和拟合形成决策模型；利用决策模型得到优化后的生物纤维材料注塑成型工艺。2.根据权利要求1所述的一种生物纤维材料注塑成型工艺的优化方法，其特征在于，还包括利用机器学习对决策模型进行完善。3.根据权利要求1所述的一种生物纤维材料注塑成型工艺的优化方法，其特征在于，所述数学模型包括：针对生物纤维材料注塑成型工艺中的非牛顿流体流动构建带相变问题的高精度数学模型；建立带有相变的含纤聚合物基复合材料充模的气-固-液三相模型；建立带有相变的含纤黏弹性流体充模过程的微观-介观-宏观多尺度数学模型。4.根据权利要求3所述的一种生物纤维材料注塑成型工艺的优化方法，其特征在于，所述带有相变的含纤聚合物基复合材料充模的气-固-液三相模型，纤维对聚合物熔体的作用用动量交换源项描述，熔体对纤维的作用用牛顿第二定律描述，用基于同位网格的有限体积法求解流体控制方程，采用level set方法捕捉充模过程的界面运动。5.根据权利要求3所述的一种生物纤维材料注塑成型工艺的优化方法，其特征在于，所述带有相变的含纤黏弹性流体充模过程的微观-介观-宏观多尺度数学模型，宏观的物理特性用宏观的navier-stokes方程来描述，介观尺度的纤维运动用牛顿运动定理来描述；微观分子链的信息用brown构型场方法来获得，型腔内熔体和气体的控制方程包括质量守恒方程、动量守恒方程、能量守恒方程，利用heaviside函数统一为一组方程，用基于同位网格的有限体积方法来求解控制方程，用levelset方法捕捉充模过程中熔体界面的演化，用修正的焓模型描述充模过程中的相变。6.根据权利要求2所述的一种生物纤维材料注塑成型工艺的优化方法，其特征在于，利用机器学习对决策模型进行完善的具体步骤为：将所述仿真平台输出的生物纤维材料注塑成型工艺中的各项可控参数以及显示数据的偏差信息通过机器学习进行迭代。7.根据权利要求1所述的一种生物纤维材料注塑成型工艺的优化方法，其特征在于，生物纤维材料注塑成型工艺中的各项可控参数包括：纤维种类和含量、充填时间、保压压力、模具温度、熔体温度。8.根据权利要求1所述的一种生物纤维材料注塑成型工艺的优化方法，其特征在于，通过基于mps算法开发的仿真程序计算得到的训练样本，采用以随机森林算法作为数据驱动中的机器学习算法。
技术总结本发明公开了一种生物纤维材料注塑成型工艺的优化方法，涉及复合材料加工工艺技术领域。本发明包括以下步骤：获取生物纤维材料注塑成型工艺中的各项可控参数；利用相变模型对生物纤维材料注塑成型工艺中的各项可控参数进行数值模拟；根据数值模拟结果建立数学模型；利用数学模型构建针对生物纤维材料注塑成型工艺的仿真平台；利用仿真平台的仿真结果作为样本数据，利用样本数据训练和拟合形成决策模型；利用决策模型得到优化后的生物纤维材料注塑成型工艺。本发明揭露了生物纤维材料注塑成型过程中的力学规律，为优化生物纤维材料制造工艺的关键参数以降低成本、提高材料力学性能提供数值模拟方面的技术支持。能提供数值模拟方面的技术支持。能提供数值模拟方面的技术支持。
技术研发人员：姚清河 冉慧俊 卢弘博 蒋子超 王卓霖 张栏
受保护的技术使用者：中山大学
技术研发日：2022.07.19
技术公布日：2022/11/1
